三維點云是最重要的三維數(shù)據(jù)表達方式之一，在三維重建、語義與實例分割、三維物體檢測等方面，點云都是最常用的表達方式。但是三維點云是如何應用到其他前沿技術(shù)中的呢？

今天我們?yōu)榇蠹曳窒韼坠?jié)公開課，希望能引發(fā)大家的思考，并對今后的研究有所幫助和啟發(fā)。

?

1.3D物體檢測的發(fā)展與未來

祁芮中臺?(Charles Qi)

Waymo高級研究科學家，斯坦福大學博士

3D深度學習以及物體檢測算PointNet，PointNet++提出者

3D物體檢測在增強現(xiàn)實、機器人與自動駕駛中都有著普遍的應用。隨著業(yè)界需求的增加與深度學習的出現(xiàn)，相關的算法在近幾年有了長足的進步。

本次公開課將從技術(shù)發(fā)展的角度，介紹幾種經(jīng)典的3D物體檢測算法以及它們之間的聯(lián)系，并延伸討論目前方法的局限性和未來的研究方向。

通過這節(jié)課，同學們將能對3D物體檢測算法有一個全局的認識，并且能了解潛在的研究機會。

?

2.深度學習在點云識別中的應用

?

劉永成

助理研究員

以第一作者在CVPR，ICCV，ACM MM等頂會上表4篇論文

2篇入選Oral，1篇提名CVPR BestPaper

李瑞輝

香港中文大學計算機系博士

以第一作者在ICCV和CVPR國際會議上發(fā)表論文2篇，1篇入選Oral

深度學習在圖像識別中成效顯著，然而如何進行拓展以識別不規(guī)則的3D點云，仍然是一個開放性的問題。近兩年3D點云識別發(fā)展迅速，研究方法上，從對稱函數(shù)聚合到局部模式挖掘，再到幾何圖建模以及卷積核設計，該領域呈現(xiàn)出百家爭鳴的狀態(tài)。本次分享將簡要綜述并介紹我們的一些探索性研究。

數(shù)據(jù)是人工智能應用中最關鍵的部分。相對于人工收集和標記，數(shù)據(jù)增廣(Data Augmentation，DA)是一種有效的數(shù)據(jù)擴充的方法?，F(xiàn)有的點云分類網(wǎng)絡使用的數(shù)據(jù)增廣方式主要是直接對現(xiàn)有的數(shù)據(jù)進行隨機的仿射變換。

然而，這種簡單的隨機方式將DA和分類網(wǎng)絡訓練分成了兩個獨立的過程，而且這些變換是直接應用在所有的訓練樣本上，并未考慮樣本本身獨有的特性，這種DA并不能充分發(fā)揮現(xiàn)有網(wǎng)絡的優(yōu)勢。

這次報告主要是介紹我們的CVPR 2020 Oral的工作PointAugment-首個針對點云數(shù)據(jù)的自動增廣方法。我們提出將數(shù)據(jù)增廣過程和網(wǎng)絡訓練進行共同優(yōu)化，并搭建了一個數(shù)據(jù)增廣的網(wǎng)絡來動態(tài)調(diào)整數(shù)據(jù)增廣的樣本。實驗結(jié)果顯示通過使用我們提出的PointAugment，現(xiàn)有的分類網(wǎng)絡均取得了大幅度的性能提升。

?

3.基于三維點云場景的語義及實例分割

楊波

香港理工大學助理教授

在CVPR,NeurIPS,TPAMI,IJCV等領域發(fā)表多篇論文

胡慶擁

牛津大學計算機系博士，國防科技大學碩士

在CVPR,TPAMI,IJCV等領域發(fā)表多篇論文

Point cloud learning has lately attracted increasing attention due to its wide applications in many areas, such as autonomous driving, virtual reality, and robotics. In this tutorial, we will first give a brief introduction to the task of point cloud segmentation, as well as several milestones works in this area. Then, we will focus on two recent works from our group, including RandLA-Net, which is an efficient and lightweight neural architecture to directly infer per-point semantics for large-scale point clouds, and 3D-BoNet, which is a novel, conceptually simple and general framework for instance segmentation on 3D point clouds.

?

4.基于點云場景的三維物體檢測算法及應用

史少帥

香港中文大學多媒體實驗室博士

在CVPR，ECCV，ICLR等頂會上發(fā)表多篇論文

3D object detection has been receiving increasing attention from both industry and academia thanks to its wide applications in various fields such as autonomous driving and robotics. In this tutorial we will first introduce the basic concepts of 3D object detection from point clouds, and then we will focus on three recent works to learn various deep learning methods about point-cloud-based 3D object detection.??

?

5.點云上的卷積神經(jīng)網(wǎng)絡及其部分應用

李伏欣

美國俄勒岡州立大學助理教授

中科院自動化研究所工學博士

2009-2012年在圖像物體識別界最重要的PASCALVOC競賽的分割項目上連續(xù)四年獲得冠軍

Convolutional Neural Networks (CNNs) have led to a revolution in the recognition of raster images. However, many data, especially 3D data, come naturally in the form of point clouds where raster-based convolution operations are not readily available to be used. In this tutorial we will discuss several recent work that make it possible to build a convolutional network or similar operations on point clouds.

點云領域權(quán)威專家的重磅分享已經(jīng)準備好了，點擊下方~快來參與分享吧！

https://www.shenlanxueyuan.com/page/86

?